面向不确定性的多维数据可视分析
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-23页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-20页 |
| 1.2.1 多维数据可视化及可视分析 | 第11-13页 |
| 1.2.2 不确定性可视化及可视分析 | 第13-16页 |
| 1.2.3 数据抽象和多尺度数据可视化 | 第16-18页 |
| 1.2.4 可视数据分类 | 第18-19页 |
| 1.2.5 气象数据可视化 | 第19-20页 |
| 1.3 研究内容及主要贡献 | 第20-22页 |
| 1.4 本文组织结构 | 第22-23页 |
| 第2章 基于不确定性的多维数据探索分析方法 | 第23-49页 |
| 2.1 引言 | 第23-25页 |
| 2.2 多维数据分析流程概览 | 第25-26页 |
| 2.3 多尺度数据抽象 | 第26-30页 |
| 2.3.1 基于多标签优化的数据聚类 | 第26-28页 |
| 2.3.2 基于图像的加速方法 | 第28-29页 |
| 2.3.3 基于视角及自顶向下的聚类 | 第29-30页 |
| 2.4 多尺度数据可视化及可视分析 | 第30-35页 |
| 2.4.1 图标设计 | 第30-33页 |
| 2.4.2 视图设计 | 第33-35页 |
| 2.5 方法验证及案例分析 | 第35-48页 |
| 2.5.1 参数对于结果的影响 | 第35-37页 |
| 2.5.2 数据抽象质量 | 第37-40页 |
| 2.5.3 气象观测数据案例 | 第40-41页 |
| 2.5.4 智能体逃生数据案例 | 第41-43页 |
| 2.5.5 兴趣形状案例 | 第43-45页 |
| 2.5.6 用户调研和反馈 | 第45-46页 |
| 2.5.7 问题讨论 | 第46-48页 |
| 2.6 本章小结 | 第48-49页 |
| 第3章 基于可视采样的主动学习方法 | 第49-67页 |
| 3.1 引言 | 第49-51页 |
| 3.2 基于主动学习的多媒体标注 | 第51-52页 |
| 3.3 基于可视化的主动学习过程 | 第52-53页 |
| 3.4 基于数据投影的不确定性分析 | 第53-55页 |
| 3.4.1 数据投影及度量学习 | 第53-54页 |
| 3.4.2 基于图像的不确定性估计 | 第54-55页 |
| 3.5 可视化及交互设计 | 第55-58页 |
| 3.5.1 基于等值线的散点图 | 第55-57页 |
| 3.5.2 视频标注视图 | 第57-58页 |
| 3.5.3 交互和视图协作 | 第58页 |
| 3.6 方法讨论及案例分析 | 第58-66页 |
| 3.6.1 实验准备 | 第58-59页 |
| 3.6.2 度量学习 | 第59-60页 |
| 3.6.3 案例研究及对比 | 第60-62页 |
| 3.6.4 采样策略对比 | 第62-65页 |
| 3.6.5 用户反馈及讨论 | 第65-66页 |
| 3.7 本章小结 | 第66-67页 |
| 第4章 基于相似样例的气象预报不确定性分析方法 | 第67-86页 |
| 4.1 引言 | 第67-68页 |
| 4.2 气象预报订正 | 第68-69页 |
| 4.3 领域任务及数据集描述 | 第69-70页 |
| 4.3.1 领域任务 | 第69页 |
| 4.3.2 数据集描述 | 第69-70页 |
| 4.4 可视投票框架 | 第70-73页 |
| 4.4.1 样例法 | 第70-71页 |
| 4.4.2 可视投票 | 第71-73页 |
| 4.5 系统及可视化设计 | 第73-79页 |
| 4.5.1 系统设计 | 第73-74页 |
| 4.5.2 兴趣区域发现 | 第74-75页 |
| 4.5.3 可视化设计 | 第75-79页 |
| 4.6 案例研究及讨论 | 第79-84页 |
| 4.6.1 案例一 | 第79-81页 |
| 4.6.2 案例二 | 第81-83页 |
| 4.6.3 领域专家评估反馈 | 第83-84页 |
| 4.6.4 讨论 | 第84页 |
| 4.7 本章小结 | 第84-86页 |
| 第5章 总结与展望 | 第86-89页 |
| 5.1 工作总结 | 第86-87页 |
| 5.2 工作展望 | 第87-89页 |
| 参考文献 | 第89-99页 |
| 致谢 | 第99-101页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第101-102页 |
